1
小股童，我的一位小友，玩股票十多年了，业已有了自己的交易体系，昨天他在微信中问我一个问题，挺有意思。他说发现有一种价格形态，绝大部分大涨的股票在上升初期都具备了这种形态，但并不是所具备这种形态的股票都会大涨，他的问题是能不能从资金的角度研究出资金在做这种形态的时候究竟想干什么，然后成功地规避掉那些具备了这种形态却没有大涨的股票。
我有点无法理解一个在市场中厮杀了十多年的老交易者，为何提出了这样一个不可思议的问题。因为这个问题的本质是在追求百分百的确定性。
金融市场，唯一能确定的事情，就是它的不确定性，在金融市场中追求确定性，显然是找错了方向。不要说是市场，即使是平常生活的决策，绝大部分是在信息不充分的情况下进行的。天有不测风云，人有旦夕祸福，生活不象是象棋游戏，所有信息都摆在桌面上，而是更象扑克，你无法得到所有的信息后再进行下注。
小股童想找到一个方法，解决掉金融交易中所有的不确定性，这无异于缘木求鱼。因为没有人能穷尽市场中所有的信息，更没有人能洞察所有交易参与者头脑里的想法。
2
如果贝叶斯听说了小股童的问题，他多半会持与我同样的看法。
贝叶斯全名为托马斯.贝叶斯(Thomas Bayes,1701-1761),是一位与牛顿同时代的牧师，是一位业余数学家，平时就思考些有关上帝的事情，当然，统计学家都认为概率这个东西就是上帝在掷骰子。当时贝叶斯发现了古典统计学中一些缺点，从而提出了自己“贝叶斯统计学”，但贝叶斯统计当中由于引入了一个主观因素(后验概率)，一点都不被当时的人认可。直到20世纪中期，也就是快200年后了，统计学家在古典统计学中遇到了瓶颈，伴随着计算机技术的发展，当统计学家使用贝叶斯统计理论时发现能解决很多之前不能解决的问题，从而贝叶斯统计学就一下子火了起来。
贝叶斯学派的观点是，概率是个主观值，完全就是我们自己的判断，我可以先估计一个初始概率，然后每次根据出现的新情况，掌握的新信息，对这个初始概率进行修正，随着信息的增多，我就会慢慢逼近真实的概率。这个方法不用等样本积累到一定程度，先猜一个就行动起来了，因为我有修正大法，而且我也不关心是不是“足够多”，反正我一直在路上。
贝叶斯学派诞生两百多年来，一直备受争议，因为大家觉得这个摸着石头过河的方法太扯了。直到最近几十年，随着计算机技术的进步才大放异彩，现在的人工智能、图像识别、机器翻译等，背后无不采用了贝叶斯方法。
金融交易中遇到的问题都是“逆概率”的问题。所有的决策面临的信息都是不完全的，我们手里只有有限的信息。既然无法得到全面的信息，我们就应该在信息有限的情况下，尽可能作出一个最优的预测。金融交易不是一定要所有信息后掌握再行动，而是象咱们国家的改革开放，摸着石头过河，有信号了就开仓，不行了就止损，正常就持仓，每多一根K线就多一个信息，每多一个信息就重新做一次概率预估，谁也不知道未来一定会怎么样。所以贝叶斯一定会对小股童说，要想得到所有信息之后再下单，那还是别玩股票了，下象棋比较合适，反正都是游戏。
3
贝叶斯定理的数学公式极为简洁，列入世界上最美的五十个公式之一。但是作为一个多年前的文科生，一直以来看到数字公式就眩晕，哪怕是爱因斯坦那个只有五个符号的质能公式。上一篇文章我努力地把这个贝叶斯公式解释了一下，那是我看了好多篇相关材料之后的理解。因为我想好好地学习它。我学习一个东西的方法就是把它讲给别人听，如果别人听懂了，那说明我就真的理解了。本来写文章的基本要求之一是作者对写作的内容应当已经有深刻的理解，然后深入浅出地写给读者看，一步一步地引导读者走向问题的本质层面。但在我这里不一样，我写的东西，包括时空结构交易原理，我肯定都未能完全理解，只是试图把我的理解讲出来，所以学过数学、学过概率的朋友还得担待一下，如果讲错了请及时指出。
为什么我想学习理解贝叶斯定理呢？不是因为它现在因为计算机的发展而越发牛比，而是因为它是一种极为理性的思考方法。
最近读了一本书，叫《超越智商》，副标题叫：为什么聪明人也会做蠢事。这本书告诉我的实际上就是一个古老问题的答案：人为什么很难知行合一。书中说，人的认知过程包括三个部分：自主心智，算法心智和反省心智。自主心智就是《思考快与慢》当中说的快的类型，而慢的类型则包括后两者。算法心智就是传统的智力，而反省心智则是理性思维。
聪明人，智商高，只是其算法心智牛比，但干蠢事，就是理性思维不足。一个人知行不一，往往就是因为知停留在算法心智上，而行却要靠反省心智来执行。
反省心智不是天生就有的，而是习得的，是需要训练的。
学习贝叶斯定理就是我用来学习训练自己的反省心智的。
4
既然学习，就要掰明白。这贝叶斯定理究竟是怎么得出来的呢？
这个是完整的贝叶斯公式，上篇文章中给出的公式是个简化的公式。作为一个数学盲，其实我对这个公式每个字母、每个部分以及部分与部分之间的关系几乎一无所知。让我来从头学起。
首先要弄明白概率是什么。
概率的定义有古典定义、频率定义、统计定义，公理化定义。因为我们要学习贝叶斯定理，所以我们直接从公理化定义开始学起。
柯尔莫哥洛夫(kolmogorov)于1933年给出了概率的公理化定义，如下:
设E是随机试验，S是它的样本空间。对于E的每一事件A赋于一个实数，记为P(A)，称为事件A的概率。
(这里P(·)是一个集合函数，P(·)要满足下列条件:
(1)非负性:对于每一个事件A，有P(A)≥0;
(2)规范性:对于必然事件Ω，有P(Ω)=1;
(3)可列可加性:设A1，A2……是两两互不相容的事件，即对于i≠j，Ai∩Aj=φ，(i,j=1,2……)，则有P(A1∪A2∪……)=P(A1)+P(A2)+……)
上面这个定义，看不懂，很正常。慢慢理解。
我们以经典的抛硬币试验为例，来理解这个定义。
设E为随机试验：就是抛硬币这个试验。
S是它的样本空间：抛硬币只能有两种结果，正面朝上和反面朝上。那么试验的所有可能结果组成的集合就是样本空间。我们用｛｝来表示集合符号，S或者说样本空间就是：｛正面朝上，反面朝上｝
每一个事件A：正面朝上A1，反面朝上A2
赋予一个实数，记为P(A)，称为事件A的概率：这三个词组是一个意思，赋予一个实数是意义，记为P(A)是符号，称为事件A的概率是名称。
事件A的概率，也就是P(A)要符合三个条件：
第一个是非负性，就是它不是负数，要大于0。就是说它得出现，如果在这个样本空间中不出现，那就不能算是样本空间中的事件。
第二个是规范性，就是说如果事件A 是个必然事件，就是说你把硬币两面都搞成一样的，不存在反面的话，那么正面朝上就是个必然事件，它就是百分之百，就是1.
第三个是可列可加性。就是样本空间中的事件相互独立，就象自然数一样可以列成一排，不能互相包含相交，A1与A2之间就象作为自然数的1和2一样，即不互相包含，也不相交，而且它们中间也没有别的自然数，这叫可列。可加就是可以相加。抛硬币中正面朝上的概率和反面朝上的概率加起来等于正面或反面朝上的概率。
理解了上面关于概率的公理化定义，我们再来看贝叶斯公式，对其中的大部分符号就能理解了。凡是P(X)的就是表示X的概率。但我们发现这个公式当中X不仅有各种A还有B，而且还有(A|B)这样的符号，这又是什么意思？
我们以股票价格运行来理解这个B，以及(A|B)。
股票价格运行状态只有三种：上涨，下跌，横盘。这就是事件A1\A2和A3。
事件B是什么意义呢？就是这时候我们观察到有些事件会对股票价格运行的状态产生影响，比方说降息降准，比方说公司发布业绩公告。比方说价格形态上出现W底，比方说出现多头失衡结构或者空头失衡结构。等等，都可以。
条件概率
P(A|B)又是什么意思呢？
这是指事件B出现后事件A出现的概率。就是当央行降息降准之后，股票价格上涨、横盘、下跌的概率。这叫做条件概率。
P(A)，当前状态下股票价格上涨、横盘、下跌的概率。我们称为先验概率，现在出现了降息降准的事件B，在这个条件下，先验概率会发生变化，变化后的概率我们称为后验概率。
同样的，在A的条件下B的概率也是两者的交叉部分。它等于AB同时发生的概率除以A的概率，即：
因此：
因此，我们就可以得到下图中这个著名的公式了：
但上图中的这个公式只是贝叶斯公式的简化形式，为什么到复杂形式当中那个分母P(B)就变成了一个求和呢？那个求和符号初中就学过，这个没难倒我。
这就涉及到下一个概念：全概率公式
有没有发现一个奇怪的地方？
我们本来是要求在B事件条件下A的概率，现在反过来去要先去求在A事件条件下B的概率。
我们本来是想知道降准降息之后股票价格上涨的概率，现在却要先求股票价格上涨的条件下降准降息的概率。
我们本来是想知道空头失衡之后价格上涨的概率，现在却要先求价格上涨的情况下，空头失衡的概率。
没错，贝叶斯一辈子最大的贡献就是逆过程！
逆概率无处不在，所以贝叶斯现在应用非常广泛：每天咱们都能收到邮件，但实际上95%的垃圾邮件都被过滤掉了，想想贝叶斯还是帮了我们很大忙的啊！
５
费了老半天劲，推导了贝叶斯公式。我脑细胞死了无数，对读者来说却是个灾难，因为据说文章中有一个数学公式，读者就会少一半。
费这老劲学它干嘛呢？
对于我来说，它的意义至少有以下几点：
第一是无论是生活还交易，都要注意时刻保持概率思维。尤其是在交易当中，概率是第一位的，因为没有确定性，最多只有更高的概率胜算。
第二是先验概率是极其重要，它直接决定着后验概率。交易中趋势在，胜算在，一定要利用大趋势作为背景来做交易。
第三是摸着石头过河，交易中一旦某个事件发生，概率优势在，那就先干再说。大胆假设，小心求证，后面怎么走只有天知道。没有百分百的概率给你去做交易。
第四是要重视任何特殊的信息，及时修正自己以前的信念。切不可一意孤行，死不悔改。
(文中截图部分均来自网络，侵删)
6593
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
